学分:CC0公共领域
一个研究恶性脑肿瘤的团队开发了一种新技术,以预测个别患者如何对化疗反应,这是个性化癌症治疗的努力迈出的一大步。
德克萨斯大学奥斯汀奥登计算工程与科学研究所,得克萨斯州高级计算中心(TACC)和德克萨斯大学MD安德森癌症中心的研究人员已将各种定量成像测量与计算模拟合并,以创建用于计算进展的模型高级神经胶质瘤。
高级神经胶质瘤是成年人发现的最常见的癌性原发性脑肿瘤。当前治疗涉及手术切除瘤然后进行放射疗法和化学疗法。尽管采取了这种积极的治疗,但接受这种方法的患者的预后通常很差。这些肿瘤的生长和行为因患者而异,因此需要在单个患者水平上个性化治疗的技术,特别重要。
在发表的论文中科学报告,作者结合了解剖学和结构成像,为预测高级神经胶质瘤肿瘤进展的计算机械模型提供了信息。
“如果没有工程师和临床医生之间的密切合作,就无法尝试这个项目,” UT Austin的Oden Institute计算肿瘤中心的David Hormuth说。
Caroline Chung博士说:“我们在预测机械模型中使用单个患者成像数据的方法,该模型既结合了MRI上的肿瘤的解剖学外观,又结合了来自特定MRI扫描技术的测量,称为扩散张量成像,这表现出了真正的希望。”MD Anderson。
当前的放射疗法方法已经针对患者量身定制,主要是使用放射治疗开始之前使用解剖成像数据的,并且可以对治疗过程中肿瘤外观的重大变化进行调整。但是,这项新技术是为辐射肿瘤学家提供基于预测的肿瘤耐药性的空间图所需的信息来为治疗计划提供个性化治疗计划所需的信息的第一步。
在整个项目中,奥登学院(Oden Institute)和医学博士安德森(MD Anderson)的研究人员已经来回探讨所需的数据类型,模型组件以及该模型的总体目标或应用。奥登学院(Oden Institute)带来了肿瘤力学和建模方面的专业知识,这是由UT Austin的Tom Yankeelov领导的一种创新的,基于物理学的研究方法。一旦与Chung的定量成像和临床配对脑肿瘤专业知识,研究人员成功地翻译了高级神经胶质瘤的先前临床前努力。
TACC是结束癌症合作的第三个合作伙伴,使研究人员可以同时为每个患者校准一个基于生物学的数学模型。
Hormuth说:“总的来说,我们进行了大约6,000种不同的校准或预测场景,这需要数年的时间才能在标准笔记本电脑上运行。”“通过使用Lonestar 5系统并行运行我们的模型校准和预测方法,我们能够在几天之内评估所有这些情况。”
人工智能增强了脑肿瘤诊断
更多信息:David A. Hormuth等。基于图像的个性化计算模型,以预测高级神经胶质瘤对化学辐射的反应,科学报告(2021)。doi:10.1038/s41598-021-87887-4
期刊信息:科学报告
由...提供德克萨斯大学奥斯汀分校